Apate déploie des agents IA pour piéger les escrocs et recueillir des renseignements sur la fraude

Apate.ai, une startup australienne fondée en 2024, déploie des milliers d'agents d'intelligence artificielle pour interagir activement avec les fraudeurs. Plutôt que d'utiliser l'IA uniquement pour l'efficacité interne, l'entreprise envoie ces leurres numériques sous couverture pour répondre aux appels frauduleux, réagir aux tentatives de phishing et rejoindre des groupes en ligne malveillants. Cette initiative vise à perturber les opérations criminelles en faisant perdre du temps aux escrocs et en recueillant des renseignements avant que des victimes humaines ne soient touchées.

Ce qui s'est passé

Le concept est né d'une expérience personnelle impliquant Dali Kaafar, fondateur et PDG d'Apate. Lors d'un pique-nique familial, Kaafar a reçu un appel frauduleux et a décidé de jouer le jeu, gardant le fraudeur en ligne pendant 44 minutes. Il a réalisé que cette durée représentait du temps que l'escroc ne pouvait pas consacrer au ciblage de victimes réelles. Cette prise de conscience a conduit à des recherches à l'Université Macquarie à Sydney, où Kaafar et ses collègues ont exploré l'utilisation de l'apprentissage automatique et du traitement du langage naturel pour analyser le contenu des arnaques et améliorer les méthodes de détection. La technologie résultante a évolué pour devenir Apate, qui opère désormais en tant qu'entité commerciale.

Les agents d'Apate se font passer pour des victimes potentielles présentant divers profils démographiques, incluant différents âges, genres, accents et langues. Ils interagissent avec les escrocs via plusieurs canaux, notamment les appels vocaux, les e-mails, les messages texte et les plateformes de médias sociaux. L'objectif principal est double : consommer les ressources des escrocs et extraire des détails spécifiques sur leurs opérations. Selon l'entreprise, sa flotte a engagé 2,5 millions de conversations, gaspillant efficacement 17 ans de temps cumulé des escrocs. Plus critique encore, les agents sollicitent des informations telles que des numéros de compte bancaire, des adresses de portefeuilles crypto, des numéros de téléphone et des URL malveillantes, qui sont généralement découvertes seulement après une fraude réussie.

La startup a récemment sécurisé 8,15 millions de dollars de financement de seed en août auprès d'investisseurs incluant Lobby Capital, OIF Ventures, Investible, Concept Ventures et Baobab Ventures. Avec un financement total juste inférieur à 10 millions de dollars, l'équipe de 20 personnes prévoit de s'étendre internationalement, avec des bureaux prévus à Londres et une présence accrue aux États-Unis. Apate est également finaliste dans le Startup Battlefield 200 lors de TechCrunch Disrupt, où elle présente son projet à des juges issus du capital-risque à San Francisco.

Comment cela fonctionne

Apate combine des grands modèles de langage de pointe (frontier large language models) avec ses propres modèles affinés (fine-tuned) pour alimenter sa flotte d'agents. Le système est entraîné sur des données issues des conversations que ses agents ont avec les escrocs, ainsi que sur la recherche fondamentale menée à l'Université Macquarie. Cette approche hybride permet aux agents de maintenir des personas réalistes et de s'adapter dynamiquement aux différentes tactiques d'arnaque. Les agents sont conçus pour être persistants, maintenant les fraudeurs engagés assez longtemps pour révéler des détails opérationnels.

Les clients, qui incluent des banques, des sociétés de télécommunications, des agences gouvernementales et des fournisseurs de services publics, accèdent à un portail d'informations offrant des analyses sur les arnaques ciblant leurs bases d'utilisateurs ou marques spécifiques. Les organisations peuvent assigner des missions spécifiques aux agents, comme infiltrer des groupes d'investissement sur les réseaux sociaux pour découvrir des adresses de portefeuilles crypto utilisées dans des schémas de fraude. Les agents basés sur le texte recherchent activement des activités suspectes sur les forums et les plateformes sociales, puis entrent dans les conversations en utilisant des identités fabriquées pour faire surface davantage de renseignements. Ce modèle proactif contraste avec les mesures réactives traditionnelles telles que le blocage de numéros de téléphone ou la surveillance des transactions après que les fonds ont été volés.

Détails clés

• Apate a été fondée en 2024 sur la base de recherches de l'Université Macquarie à Sydney.
• La plateforme a mené 2,5 millions de conversations, gaspillant environ 17 ans de temps des escrocs.
• Les clients incluent Commonwealth Bank of Australia et TPG Telecom, Commonwealth signalant une baisse de 76 % des pertes liées aux arnaques publiquement rapportées.
• TPG Telecom a détourné près de 590 000 appels vers les agents d'Apate pour gérer les interactions potentiellement frauduleuses.
• Le FBI a enregistré plus de 22 000 plaintes concernant des crimes liés à l'IA en 2025, entraînant environ 893 millions de dollars de pertes.
• Apate a levé 8,15 millions de dollars de financement de seed en août, portant son total levé à juste moins de 10 millions de dollars.

Pourquoi c'est important

Pour les ingénieurs logiciels et les responsables de la sécurité, Apate représente un passage des postures défensives à la collecte de renseignements offensive. Les systèmes anti-fraude traditionnels réagissent souvent après une violation ou une perte, comme bloquer un numéro de téléphone seulement après qu'il a été utilisé pour des milliers d'arnaques. En engageant directement les escrocs, les organisations peuvent obtenir des données exploitables—telles que des domaines malveillants ou des adresses de portefeuille—avant que ces outils ne soient déployés contre de vrais clients. Cette approche proactive permet des mises à jour plus rapides des listes noires et des règles de détection de fraude, pouvant prévenir les pertes plutôt que simplement les atténuer.

L'essor de la fraude assistée par l'IA rend cette approche de plus en plus nécessaire. En 2025, les crimes liés à l'IA ont entraîné des pertes financières significatives, les arnaques à l'investissement représentant à elles seules plus de 632 millions de dollars sur les 893 millions de dollars totaux rapportés au FBI. Les fraudeurs utilisent l'IA pour automatiser les conversations et créer des deepfakes de figures de confiance, rendant la détection plus difficile pour les humains. L'utilisation de l'IA par Apate pour contrer la fraude pilotée par l'IA met en lumière une course aux armements émergente où des agents automatisés doivent être déployés pour égaler l'échelle et la vitesse des opérations cybercriminelles modernes.

Ce que vous pouvez faire

• Évaluez si vos systèmes actuels de détection de fraude reposent uniquement sur des mesures réactives comme la surveillance des transactions ou le blocage de numéros.
• Examinez les plateformes offrant des renseignements proactifs sur les menaces en engageant les acteurs malveillants pour recueillir des indicateurs précoces de compromission.
• Envisagez d'intégrer des flux externes de renseignements sur la fraude dans votre centre d'opérations de sécurité pour mettre à jour les listes de blocage quasi en temps réel.
• Revoyez l'exposition de votre organisation aux attaques d'ingénierie sociale pilotées par l'IA, en particulier dans les canaux de support client et d'investissement.
• Surveillez les startups émergentes dans l'espace de la cybersécurité spécialisées dans l'IA adversariale ou les technologies de tromperie automatisée.
• Formez vos équipes sur les tactiques évolutives des escrocs utilisant l'IA, en veillant à ce que la sensibilisation interne corresponde à la sophistication des menaces externes.